跳到主要内容
检索

Jeremy Canale

1 篇关联报道

订阅更新
  1. arXiv

    把治理评审门禁交给智能体:DGF-Bench 上最强模型严格门禁成功率 94.98%,但完整路线成功率仅 76.92%

    该工作提出面向数字治理框架(DGF)的任务替代框架,把每个治理门禁视为可执行契约,要求信息充分、决策与权限校验有效,并在计入例外、核验、纠错与维护后仍能减少总人力;作者推导出残余工作量阈值,说明为何自动化大多数案例仍可能增加劳动,并用 DGF-Bench(300 个合成项目、899 次可评估的模型-项目运行)测量模型表现:Gemini 3.8 Flash、GPT-5.6 Luna、DeepSeek v4.1 Flash 的严格门禁成功率为 94.98%、83.29%、74.18%,完整路线成功率为 76.92%、42.33%、24.67%,确定性对照在给定规则与结构化事实下通过全部 1,700 个门禁,证据审计与 135

已读完全部报道